科研之友
微信
新浪微博
Facebook
分享链接
摘要
非线性模型预测控制器使用非线性预测模型来预测受控制系统的行为。在此,提出了一个超混沌对角递归神经网络数组,用于在前进窗口中建模和预测控制器下非线性系统的行为。为了改善超混沌对角线递归神经网络参数的收敛性,以更好地进行系统建模,可使用隐藏层中的逻辑映像来调整混沌程度。提出了一种基于超混沌对角递归神经网络的非线性模型预测控制方法。该方法借助改进的梯度下降法获得控制信号。将该控制器用于控制具有硬非线性。输入约束以及存在包括外部干扰在内的不确定性的连续搅拌反应器,仿真结果表明该方法在轨迹跟踪和干扰抑制方面的优越性能。神经网络的参数收敛和可忽略的预测误差、以及保证的稳定性和较高的跟踪性能是该方案的最大优势。
